第七届挑战赛A3-基于机器学习提升的轮动多因子量化选股模型

发布时间:2019-08-08 作者:BdRace 浏览量:1920

摘要:

本文旨在利用基于机器学习提升的轮动多因子量化选股模型来进行选股策略的研究,通过设计挑选优秀因子的方案,获得可以准确反映市场信息的因子,使用机器学习方法,构建了可以获取稳健超额收益的选股模型。

针对问题一,本文设计了根据因子IC,收益率和夏普比率三项重要指标轮动挑选优秀因子的方案,利用候选因子池的日频数据,通过逐层筛选的方式,既保证了所选因子的有效性,又保证了年化夏普比率达到最优,而且轮动的方式也使得挑选的因子可以适应市场的风格。

针对问题二,本文构建了四种全新的模型与传统的线性等权重多因子选股模型进行比较,首先构建了基于GBDT分类法的轮动多因子选股模型,发现各项收益指标只有略微的提升;接着构建了经验加权法的轮动多因子选股模型,通过AdaBoost,随机森林和GBDT三种算法进行实现,夏普比率,年化收益等各项收益指标均有显著提升。最后,发现所有模型都存在一个重要的缺陷,即回撤率过高。

针对问题三,本文构建了基于MACD技术指标的量化择时策略。通过历史三期MACD指标的变化产生买卖信号,更好地识别了连涨连跌的行情信息,规避风险,降低了最大回撤率。

关键词:量化选股;轮动多因子;机器学习;经验加权;MACD

查看全文